一、为什么 Agent 评测比 LLM 评测更难？ 传统 LLM 评测（现在当然更复杂维度更多元化）关注的是文本生成质量——回答是否流畅、事实是否正确、格式是否合规。但 Agent 是一个完整的系统，它要自主决策、调用工具、与环境交互、在多轮对话中保持状态。这意味着：  不能只看最终输出，还要看中间过程是否合理（中间过程非常重要） 不能只看单次执行，还要看重复执行是否稳定 不能只看功能正确性，还要看性能、成本、并发能力 不能只在单一场景测试，还要覆盖工具调用、长上下文、多轮对话等维度（工具调用的能力评测也是目前的难点与重点）  LLM 评测像测发动机，Agent 评测像测整车——必须综合考察在...

绷不住了

鼠鼠2025年7月7日入职一家制造业的外企做IT实习生（前期负责企业的数字化（crm,erp）运行，后期参与公司mes系统的落地），面试和入职的时候hr都说有毕业证就可以转正了，入职部门刚好有一个7月份转正的同事，他是25届的我和他聊的挺好的，部门IT经理（单位工作15年了）对我们也很好，很用心的教我。上周五（5.15）准备下班之前（鼠鼠还在写需求代码，准备完成了），经理把我叫去小会议室跟我说HR总监这边不准备提供转正名额了，让我准备简历多投投（结合实习的经历）。他说人头指标他这个小小的经理也尽力给我争取了，总监那边不松口，他也表示很遗憾...让我什么时候走都可以，手上的工作可以先不做了，也可...